Gemini 4 Neon 怎么选:3 美元每百万 token 与 AA 61 分

一句话结论:Gemini 4 Neon 是 Google 在 2026 年 11 月 18 日发布的旗舰级模型,输入每百万 token 3 美元、输出 15 美元、上下文 100 万 token,Artificial Analysis 智能指数拿 61 分排全球第三,单位任务成本比同级前沿模型低 50% 到 80%,主打复杂编程、企业多模态分析与长时程智能体这三块。

Google DeepMind 首席 AI 架构师 Koray Kavukcuoglu 在官方博客里写得很直接,Neon 的目标是让前沿级智能在复杂软件工程、知识工作和科学流程里端到端跑完,每次任务无需动用最大最慢的模型。定价三档、上下文 100 万 token、四档思考强度,这几个数字组合在一起,让它成了 Gemini 4 家族里专门负责高频生产负载的那一档。

价格与四档思考强度:3 美元买入多少智能

Neon 的计费结构非常干净。输入每百万 token 3 美元,命中缓存的输入每百万 token 0.15 美元,官方给的说法是 95% 折扣。输出每百万 token 15 美元。上下文窗口 100 万 token,官方演示里一次把表格、PDF、图表、音频、视频全塞进同一个窗口,再统一转成结构化交付物。

项目 Gemini 4 Neon 说明
输入价格 3 美元 / 每百万 token 官方标价
缓存输入价格 0.15 美元 / 每百万 token 折扣 95%
输出价格 15 美元 / 每百万 token 官方标价
上下文窗口 100 万 token 表格、PDF、图表、音视频同窗
思考强度 4 档 按负载调节智能与消耗
智能指数 61 分,全球第 3 xhigh 思考档下测得
单任务成本 比 Carbon 低 32% 默认 high 档,对比同门 Carbon
对比竞品 低 50% 到 80% high 档,第三方基准口径

成本这块的数字分几个层级看。默认 high 思考档下,Neon 在保持较高智能指数的同时,单位任务成本比同门 Carbon 低 32%。放在横评里比,high 档的 Neon 在 Vals Index 与 Agent Arena 两项上都落在帕累托前沿,单位任务成本比顶级竞争前沿模型低 50% 到 80%。切到 xhigh 档,智能分数继续往上走,成本仍比处于最高设置的竞争模型低 36% 以上。

缓存那 0.15 美元才是长文档场景真正的成本杠杆。企业里最常见的负载是反复拿同一份合同、同一批财报、同一套产品文档提问,第一次吃全价,后面全吃缓存价,差额 20 倍。对照 Google AI Studio 领额度与云积分怎么拿 这篇的入口说明,多数开发者会先在 AI Studio 付费层用 Neon 试手感。

基准成绩:哪些榜排第一,哪些只是第二

Neon 的官方稿给出了一长串第三方基准成绩,覆盖企业分析、编程、科学推理和智能体四类。分开看会更清楚它到底强在哪。

基准 成绩 排名 维度
Artificial Analysis 智能指数 61 全球第 3 综合
Vals Index 70.9% 第 2 企业分析
Legal Research Bench 未公布具体分 第 1 法律研究
Tax Agent Bench 未公布具体分 第 1 税务智能体
AA 编程智能体指数 58.6 第 1 编程智能体
Terminal-Bench 4.1 65.2% 领先 终端编程
FrontierCode 2.0 46.2% 领先 前沿代码题
AutomationBench 56.3% 第 1 流程自动化
Vending-Bench 2 16843 美元 第 1 长时程经营模拟
Agent Arena Index 1336 分 第 2 4200 多个真实智能体会话
Agents’ Last Exam v1.1 75.8% 与领先模型持平 长时程智能体
Chartography 73.5% 领先 专业图表读取
Terminal-Bench Science 70.5% 同类最佳 科学推理
RiemannBench 84.0% 同类最佳 数学推理
HLE-Diamond 71.3% 同类最佳 高难科学问答

值得注意的是智能体那一栏。Agent Arena Index 的 1336 分来自 4200 多个真实世界的智能体会话,排全球第二,同一项的可操控性(steerability,即中途被用户纠正后能否干净地改路)也排第二。Vending-Bench 2 是让模型经营一台自动售货机的长时程模拟,Neon 最终账面 16843 美元拿下第一。这几项加起来说明一件事,Neon 的强项在长时间不跑偏地把一件事做完,答题只占其中一环。站内 MKA 多模态知识智能体基准实测 那篇可以拿来做同维度参照。

编程与智能体:从 12.8% 到 39.0% 的那一跳

编程是 Google 给 Neon 讲得最细的一块。它在 Artificial Analysis 编程智能体指数上拿 58.6 分排第一,Terminal-Bench 4.1 拿到 65.2%,FrontierCode 2.0 在默认 high 设置下是 46.2%。真正拉开差距的是 SWE-sweep 这项:在 mini-SWE harness 上 Neon 的成绩是 12.8%,而放进 Google Antigravity 环境后冲到 39.0%,超过三倍。

这个差距的含义是模型能力和执行环境要配套。Neon 在 Antigravity 里可以担任 Orchestrator,调度并行的 Hydrogen 子智能体,自己负责高层的判断,减少重复读文件,在长会话里稳定做上下文压缩。Google 给的官方演示里有几个很具体的例子:驱动 Blender MCP 造出一个照片级 3D 实验台,用了 10200 行自定义着色器、120 Hz 滑雪物理、6 条阿尔卑斯雪道,预制素材为 0;用 swarm 模式重建图灵 1936 年在剑桥 King’s College 的研究场景,从教堂外景一路进到 X.8 房间,桌上那台通用图灵机是可以跑起来的;把单张图片转成 10 万个单元格的 Google 表格,不嵌图、不写 Apps Script,用超过 50 万条实时公式去做边缘检测、深度映射和重新打光,一共 6 种交互模式。

这种长时程、可自我约束的执行环境,和 Codex 沙箱怎么配:3 个平台的权限模型 讲的是同一类问题的两端,一个讲权限怎么框,一个讲模型怎么在框里持续干活。

网络安全版本:给可信防御方的专用档

Neon 还有一个面向网络安全的变体,正在通过 Fairwind Program 向符合条件的可信防御方分批开放。成绩不虚:生成安全代码这项在 AutoBaxBench 的 easy、medium、hard 三档全面优于 Carbon,hard 档 76% 是当前最好水平;WebExploitBench v1.2 上 51.26% 同样是最好水平,成本只有竞争大型模型的一半;SEC-bench Pro 上 90.5%,每个挑战的花费大约减半;CWE-bench v2 上 70.7%,比 Carbon 提升 3.4 个百分点;漏洞利用验证环节用掉的 token 数量约为 Carbon 的一半。

这组数字的看点在于闭环。找漏洞、验证可利用性、修补根因三个环节都在同一个模型上跑完,成本还压到 Carbon 的一半。对企业安全团队来说,这意味着漏洞排查的边际成本跟着下降。和站内 谷歌 GTIG 全自动漏洞利用实测 放在一起看,一端是防守方的模型化能力,一端是攻击侧的自动化推进,压力是双向的。

安全指标:拒绝率、作弊率与注入攻击

Neon 的安全数据给得很细,这也是它敢标前沿级的原因之一。

指标 数值 含义
Terminal-Bench 4.0 合法任务拒绝率 1.98% 拒绝率低,不做无用功
Terminal-Bench-Science 拒绝率 0% 科学任务全放行
Terminal-Bench 4.0 作弊率 0.0% 与 Carbon 持平
编码抄近路率 2.45% Gemini 4 全系最低
智能体安全套件行动错位率 0.09% 越权动作极低
智能体诚实度通过率 99.2% 不编造结果
服务不足下降幅度 43% 到 56% 相比 Carbon
越界下降幅度 15% 到 35% 相比 Carbon
间接提示注入攻击成功率 0.0% Gray Swan 基准,最高思考档

两个概念值得单独拎出来。服务不足指模型该干活的时候草草收场,越界指它擅自扩大动作范围,这两项相比 Carbon 分别降了 43% 到 56% 和 15% 到 35%,说明 Neon 的训练目标是把活干完同时守在边界内,稳定感来自行为收敛,大批量拒绝并不在训练目标里。间接提示注入那项 0.0% 的攻击成功率,指的是恶意指令被埋进网页、邮件、文档或代码里时模型没上当,这是长时程智能体真正会被攻击的入口。

它在 Gemini 4 家族里的位置

Google 官方对家族的分工描述得很清楚。Carbon 负责最难、最长的项目,Hydrogen 负责快速的日常执行,Neon 负责在深度和效率之间取平衡。官方举的例子里,Carbon 和 Hydrogen 对应本生灯的火焰,Argon 和 Neon 对应高压气体放电管。Argon 在这份材料里没有单独说明家族角色,所以不宜替它推断能力定位。

拿已有稿做横向对照更直观。站内 Gemini 4 Hydrogen 的智能指数 51 分与 Terminal-Bench 57% 记录的是日常执行档的水位,Neon 的 61 分刚好落在更高的推理档位上,两者的差值 10 分就是深度档与日常档之间的实际落差。Gemini 家族近期的定价与 API 形态变化,可以参考 Gemini Decisions API 的单次判定定价。

怎么选:按负载类型对号入座

你的场景 推荐 理由
高频文档表格分析 Neon,high 档 缓存价 0.15 美元,多模态同窗
复杂代码库重构 Neon,xhigh 档 Terminal-Bench 4.1 达 65.2%
超长时程深度项目 Carbon Neon 官方定位让位给它
日常批量小任务 Hydrogen 执行更快更省
漏洞排查与修补 Neon for cyber SEC-bench Pro 90.5%
超长上下文问答 Neon + 缓存 100 万上下文,缓存 95% 折扣

常见问题

Gemini 4 Neon 多少钱?输入每百万 token 3 美元,缓存输入 0.15 美元,输出 15 美元,上下文窗口 100 万 token,提供四档思考强度可以按负载调消耗。默认 high 档的单任务成本比同门 Carbon 低 32%。

Neon 和 Carbon、Hydrogen 该怎么选?Carbon 面向最难最长的项目,Hydrogen 面向快速日常执行,Neon 负责在深度和效率之间平衡,是复杂编程加生产级企业工作流的主力档。日常小任务用 Hydrogen 更省,超长时程深度任务用 Carbon,剩下高频复杂任务交给 Neon。

现在能用上吗?可以在 Google AI Studio 的 Gemini API 付费层和 Android Studio 调用,企业侧走 Gemini for business 的 API 或模型下拉菜单,Google AI Pro 和 Ultra 订阅者可在 Gemini 应用和 Antigravity 里直接选到 Neon。面向网络安全的版本通过 Fairwind Program 分批开放,需要联系云服务客户团队申请。

小结

Neon 的意义在于把前沿级能力和可控成本放进了同一档位。100 万 token 上下文加四档思考强度加 95% 缓存折扣,让它在长文档、高频企业分析这类真实生产负载里算得过来账。基准上它在编程智能体、流程自动化、长时程经营三个方向排第一,智能体综合指数与 Vals Index 排第二,智能指数 61 分排全球第三。安全侧的拒绝率 1.98%、作弊率 0.0%、注入攻击成功率 0.0% 也说明它的稳定性来自行为收敛,没有牺牲能力去换保守。如果你在做成本敏感的高频复杂任务,Neon 是目前最值得横向比价的一个选项。

全部文章归档与模型专题